Beginnen Sie bei der deepgram-Videotranskription mit der Tonspur: Spracherkennung verarbeitet Audio, nicht das, was in den einzelnen Videobildern zu sehen ist. Extrahieren Sie das Audio oder stellen Sie es in einem unterstützten Format bereit. Gleichen Sie das Transkript anschließend mit dem Originalvideo ab, bevor Sie es für Untertitel oder den Schnitt verwenden.
Der Unterschied liegt im Ausgangsmaterial und seiner Vorbereitung – nicht darin, dass Spracherkennung Bildinhalte interpretieren könnte.
Sehen Sie sich den allgemeinen Audio-zu-Text-Workflow an, wenn Ihre Aufnahme bereits als Audiodatei vorliegt.
Erfahren Sie, wie sich Aufgaben rund um Sprache von der Extraktion gesprochener Inhalte aus Videomaterial unterscheiden.
Prüfen Sie die sprachlichen Anforderungen, bevor Sie eine mehrsprachige Tonspur verarbeiten.
Bei einem Videoprojekt müssen Sie zusätzliche Entscheidungen zur Tonspur, zur Schnitt-Timeline und zu Szenen ohne relevante Sprache treffen.
Ein Interviewclip enthält gesprochene Antworten sowie Musik und eine einleitende Titelsequenz. Trennen Sie die benötigte Tonspur ab und halten Sie fest, wo die Sprache tatsächlich beginnt.
Das Transkript lässt sich mit der Schnitt-Timeline abgleichen, statt es fälschlich als Beschreibung jeder Szene zu betrachten.
deepgram-TranskriptionEine Produktvorführung verbindet gesprochene Erläuterungen mit Schritten auf dem Bildschirm. Behandeln Sie die gesprochenen Anweisungen als Audio und dokumentieren Sie visuelle Aktionen separat.
So weiß der Produzent, welche Teile statt einer Spracherkennung eine von Menschen verfasste Bildbeschreibung benötigen.
deepgram-StimmeIn einem Clip wechseln die Sprecher zwischen Sprachen. Ermitteln Sie die verwendeten Sprachen, bevor Sie einen Workflow zur Spracherkennung auswählen und Namen oder Fachbegriffe prüfen.
Prüfende können sich auf Sprachwechsel und unklare Passagen konzentrieren, bevor sie Untertitel entwerfen.
deepgram-SprachenBewahren Sie eine Kopie des Originalvideos auf, damit Sie überprüfen können, worauf sich Wörter und Zeitstempel beziehen.
Achten Sie auf Sprache, Musik, gleichzeitig sprechende Personen und längere stille Abschnitte. Prüfen Sie das Medienformat und die Eingabeanforderungen des Transkriptionswegs, den Sie verwenden möchten.
Wenn der gewählte Weg Ihre Videodatei nicht akzeptiert, extrahieren Sie die Tonspur in einem unterstützten Format. Behalten Sie die ursprüngliche Zeitstruktur bei; wenn Sie den Anfang kürzen, stimmen die Transkriptzeiten nicht mehr mit dem vollständigen Clip überein.
Führen Sie die Spracherkennung mit dem vorbereiteten Audio durch und hören Sie schwierige Passagen erneut an. Prüfen Sie Namen, Sprecherwechsel und Zeitangaben anhand des Videos, bevor Sie Untertitel veröffentlichen.
Dieser Vergleich zur Videotranskription mit deepgram behandelt die Vorbereitung und Prüfung; welche Eingaben genau akzeptiert werden, hängt vom gewählten Weg und dessen Konfiguration ab.
Workflow mit Video als Ausgangspunkt
Ein Clip mit Bild und Tonspur
Workflow mit Audio als Ausgangspunkt
Eine vorhandene Sprachaufnahme
Workflow mit Video als Ausgangspunkt
Prüfen, ob der Clip eine hörbare Tonspur hat
Workflow mit Audio als Ausgangspunkt
Bestätigen, dass die Aufnahme verwertbare Sprache enthält
Workflow mit Videomaterial als Ausgangspunkt
Unterstützung des Eingabeformats prüfen oder die Tonspur extrahieren
Workflow mit Audio als Ausgangspunkt
Audioformat und Aufnahmequalität prüfen
Workflow mit Videomaterial als Ausgangspunkt
Schnitte, Zeitverschiebungen und gekürzte Intros berücksichtigen
Workflow mit Audio als Ausgangspunkt
Zeitstempel mit der Aufnahme abgleichen
Workflow mit Videomaterial als Ausgangspunkt
Müssen getrennt vom Transkript überprüft werden
Workflow mit Audio als Ausgangspunkt
In der Quellaufnahme nicht vorhanden
Workflow mit Videomaterial als Ausgangspunkt
Gesprochenes mit dem Videomaterial und der Platzierung der Untertitel abgleichen
Workflow mit Audio als Ausgangspunkt
Wörter mit dem Gehörten abgleichen
Workflow mit Videomaterial als Ausgangspunkt
Überprüfter Text für die Bearbeitung oder Untertitelung
Workflow mit Audio als Ausgangspunkt
Überprüfter Text für Suche, Notizen oder Analyse
Die Spracherkennung kann keine Diagramme, Gesten oder Texteinblendungen beschreiben, die nur im Bild erscheinen.
LösungErgänzen Sie visuelle Beschreibungen bei einer separaten Sichtung.
Ein Zeitstempel im Transkript muss möglicherweise nach Schnitten, Geschwindigkeitsänderungen oder dem Entfernen eines Intros angepasst werden.
LösungPrüfen Sie die Platzierung der Untertitel anhand der endgültigen Schnittfassung, nicht nur anhand des Quelltons.
Musik, gleichzeitiges Sprechen und schlechte Aufnahmequalität können Wörter unverständlich machen, selbst wenn das Bild klar ist.
LösungHören Sie sich unklare Passagen an und markieren Sie alles, was Sie nicht überprüfen können.
Ein Videocontainer oder Codec, der in einem Schnittprogramm funktioniert, wird von einem Transkriptions-Endpunkt nicht unbedingt akzeptiert.
LösungPrüfen Sie die aktuellen Anforderungen an Eingabedateien und extrahieren Sie bei Bedarf eine kompatible Audiospur.
Wenn Sie aus einem Clip nutzbaren Text erstellen möchten, bereiten Sie die gesprochene Audiospur vor und legen Sie fest, wie Sie den Text anhand des Videomaterials überprüfen. Der verlinkte Sprachdienst ist ein separates Angebot; prüfen Sie vor dem Senden von Mediendateien, welche Eingabeformate und Funktionen er unterstützt.
Die Spracherkennung von Deepgram verarbeitet die Audiospur von Mediendateien. Prüfen Sie die aktuellen Anforderungen für die Route, die Sie verwenden möchten. Wenn Ihre Videodatei nicht als Eingabe unterstützt wird, extrahieren Sie die Tonspur und transkribieren Sie diese.
Nein. Ein Sprachtranskript gibt die in der Tonspur erkannten Wörter wieder, nicht aber stumme Handlungen, Grafiken oder Text in den Videobildern. Ergänzen Sie solche Details durch eine separate Sichtung des Videos.
Betrachten Sie das Transkript als Entwurf. Prüfen Sie die Wörter und Zeitangaben anhand der endgültigen Fassung, insbesondere wenn die Tonspur gekürzt oder das Videomaterial nach der Transkription bearbeitet wurde.
Das kann die Erkennung von Wörtern oder Sprecherwechseln erschweren. Hören Sie sich unklare Stellen an, korrigieren Sie den Text und überprüfen Sie die Sprecherzuordnung, bevor Sie das Ergebnis veröffentlichen.